一丶前期准备与软件安装

想用RVC v2模型整活原神角色声音，你第一件事不是急着下模型，而是得把环境搭好，RVC本身依赖Python和PyTorch，建议直接去GitHub下整合包，省去配环境的痛苦，推荐用N卡用户，显存至少6G才能跑得动v2版本，A卡用户会麻烦些但也能用Conda硬凑，下载后记得把“ffmpeg”和“sox”这两个音频处理工具装进系统路径，不然后续切音准会报错，另外原神语音包你最好从解包工具里提取，别去网上下零散文件，容易缺上下文导致训练效果稀碎。

二丶数据集构建与音频处理

V2模型对数据质量要求比V1高很多，你至少得准备30分钟干净的无BGM原神角色语音，比如胡桃的“嗷呜”或者甘雨的“请多指教”，把这些WAV格式文件扔进RVC自带的“slicer”工具里，它会自动按静音段切分成2到5秒的小片段，这一步千万别手动切，人耳分辨率的误差会让模型学出电音，切完后全选音频，批量采样率统一转成44100Hz，单声道，16位深，接着用“denoiser”模块过滤底噪，原神游戏内语音自带混响，你得开到0.3的降噪强度才能把空旷感去掉。

三丶模型训练参数调整

打开RVC的训练界面，v2版本多了个“总步数”和“学习率调度”选项，新手直接选“预设-V2-Small”就行，显存不足8G的别碰“Large”配置，训练步数建议设在20000到30000之间，步数太少会吞角色音色细节，太多又容易过拟合变成电子合成音，学习率保持默认0.0001，但如果你的数据集超过1小时，可以降到0.00005，特别提醒“抽卡”这个随机种子参数你最好固定一个值比如42，不然每次跑出来的音色都不一样，等于白练。

四丶模型推理与调校实战

训练完成后进入“推理”界面，先别急着点生成，要干三件关键事，第一选对“底模”，原神角色你得用原神通用底模，千万别用中文女声通用底模，否则甘雨会变成大妈音，第二调节“音高偏移”，大多数角色建议调高2到4个半音，因为原神日配声线普遍偏高，第三开“RVC后处理”，这个开关能把你录的说话声强行镶进角色音色里，但注意混响强度拉到0.3左右就够了，太高会像在深渊里唱歌，我自己的经验是先用一句话测试“旅行者，今天的委托完成了吗”，如果听起来像感冒鼻音，就把“聚类算法”权重从0.5降到0.3。

五丶常见翻车场景与救急方案

很多人会遇到模型导出后说话带机械感，这八成是你导入了24kHz的低质音频，v2要吃48kHz的源文件才能出细腻感，还有BUG是训练时显存爆了但没报错，最后生成的音频全是电流声，解决办法是训练中途把“批大小”从8改到4，或者去“高级设置”里关掉“自动混合精度”，最烦人的是如果你用散装语音包训练，比如荧和派蒙的音频混在一起，模型会学会一键换脸，输出角色在两句台词里不停变声线，这时你得用“标注工具”手动给每段音频标上说话人编号，确保数据纯正，另外手机端用户别碰v2，RVC目前只支持电脑端GPU加速，强行用CPU跑一次训练够你打通三层深渊。